基于改进粒子群优化算法的火电厂机组负荷分配

以坑口电厂SIS系统机组负荷优化分配功能模块为应用背景,针对基本粒子群优化算法易陷入局部收敛、收敛速度慢的缺点,提出一种基于惯性权重非线性减小策略的改进粒子群优化算法。并且通过MATLAB与Visual C++混合编程,开发了机组负荷在线优化分配功能模块,提高了算法的计算效率和工程应用价值。     

大数据分析技术在装备监测系统中应用研究

针对装备状态监测系统中长期积累的大量数据缺乏有效分析手段、利用率低等问题,对装备监测系统中存储的在线监测数据和积累的历史数据,建立可分析挖掘的大数据集;运用数据分析和机理分析的方法建立比较模型,采用异步信息融合的算法对数据进行处理,利用大数据的多尺度特性研究装备生命周期的分析预测、优化运行、预知维修等目标,提高了装备运用知识的获取速度,有利于构建完整的装备生命周期预测诊断体系。     

膜量子蜂群优化的多目标频谱分配

为了解决认知无线电系统中最大和网络效益和用户间公平性联合最优化的多目标频谱分配难题,基于量子蜂群理论和膜计算,提出了一种新的离散多目标组合优化算法—–膜量子蜂群优化.所提算法在基础膜可以搜索到单个目标的全局最优解,在表层膜获得兼顾网络效益和公平的Pareto前端解.通过膜间的通信规则、量子觅食行为的协同演进和非支配解排序可获得能同时求解单目标和多目标优化问题的多目标优化算法,并与经典的敏感图论着色算法、遗传算法、量子遗传算法和粒子群算法等频谱分配算法在不同的目标函数下进行仿真性能比较.仿真结果表明:在不同网络效益函数下所提的膜量子蜂群频谱分配算法都能够较好地找到单目标最优解,优于经典的频谱分配算法和已有的智能频谱分配算法,还可获得多目标频谱分配的Pareto前端最优解集.     

机抖激光惯导圆锥误差补偿算法研究

随着陀螺技术的发展,激光惯导陀螺数据输出频率变高,常用圆锥误差补偿算法使得系统运算负荷较大且无法有效挖掘高频数据对圆锥误差的补偿潜力。针对上述问题,提出五子样二次迭代圆锥误差补偿算法,推导了五子样二次迭代优化算法公式,并与双回路二子样、三子样优化算法进行了对比计算。经研究表明,该算法在保证惯导数据更新频率的同时有效提高了圆锥误差补偿效果,且相对于目前常用算法,对系统造成的运算负荷较小。提高了激光惯导系统在圆锥运动等恶劣工作环境下的工作性能。     

民机运行大数据分析平台整体架构研究

针对日益增长的民用航空巨量数据,借助大数据存储和分析技术,构建民用航空运行大数据分析平台,可更有效支撑快速响应、航材管理、健康管理等各项民机运行业务。结合目前国内外民用航空领域大数据技术的应用现状,梳理民机运行的业务模式及数据类别,设计并构建民用航空大数据分析平台的整体架构。根据目前民用航空运行业务需求,对民用航空大数据平台的硬件平台的管理节点、数据节点的计算能力等功能性能进行设计,并对民用航空大数据平台的轻量级计算、离线数据计算、实时在线数据处理分析等计算需求进行研究,针对不同的计算方式,提供具体解决途径。最后对民机运行大数据分析平台的业务应用集成及接口技术进行研究。分析表明研究成果有助于提高我国民机运行效率,为民用飞机运行大数据平台提供支撑。     

无源声呐场景中使用辅助粒子滤波的邻近目标检测前跟踪方法

针对无源声呐多目标方位跟踪问题,研究了一种基于粒子滤波的检测前跟踪方法,关注于改善邻近目标和机动目标的跟踪性能。首先,提出了一种考虑了邻近目标影响的似然函数;其次,采用辅助变量利用量测信息优化粒子采样,当算法运动模型与目标实际运动状态失配时,这种策略具有很大优势。结合以上两点,提出了一种检测前跟踪算法,该算法将邻近目标划分为一组,使用邻近目标的预测状态计算目标的似然,计算效率较高。利用仿真生成的数据和海上采集的实际数据分别验证了该算法的性能,并与其他多目标粒子滤波检测前跟踪算法进行比较,证明了该算法具有良好的跟踪性能。在目标邻近和目标机动的情况下,该算法的优势更加明显。     

大数据预处理中属性约简的特性保持分析

伴随着工业及社会信息化程度的增强,各个领域的自动化程度越来越高,大规模及超大规模海量数据应运而生,呈现出大数据特征。这些海量数据在提升行业发展动力的同时,也带来了巨大的挑战性问题—数据可用性。为了从海量数据中甄别出无用信息、挖掘有利于相关领域发展的有价值信息,就需要对其进行数据分析。数据预处理技术可以极大地减少数据分析时的处理量,提高数据分析处理的效率,而属性约简在数据预处理中是一个比较重要的环节。在分析大数据属性特征的基础上,较系统地分析了目前几种主流的属性约简算法,对各类算法的性能进行了剖析,并展望了今后大数据预处理的研究工作思路。     

非对称空间光学遥感器主动热控系统多目标优化设计

针对大口径、离轴、非对称结构的空间光学遥感器主动热控功率最小分配的难题,提出一种基于多目标遗传算法的功率优化方法。首先根据空间相机结构建立有限元模型。然后,凭借设计者的经验,根据相机结构特点及大致热分布规律,初步划分热控区域,规划设计变量和目标变量。之后,将设计变量和目标变量代入多目标遗传算法求出Pareto最优解集。最后,在最优解集中选出合适的功率分配代入到仿真模型中进行计算,得到优化后的功率分配及温度场。对某离轴三反空间相机进行了功率优化和地面热平衡试验。经TMG仿真计算,优化后整机波动范围在低温工况和高温工况分别降低了4.76%和35.7%,并且总功耗降低了6.85%。经地面热平衡试验表明,整机温度场温差控制在±0.5℃以内,满足±2℃的指标要求。     

单分子荧光共振能量转移数据处理的优化算法

单分子荧光共振能量转移(smFRET)技术是当今单分子生物物理研究领域的重要实验手段,该技术通过测量供体、受体荧光光强以及二者间的共振能量转移效率,揭示标记位点间的距离,用于研究DNA、蛋白质等生物大分子的构象变化.然而,当前传统数据处理方法大量依赖人工干预,噪音大,严重影响了实验效率和数据的可靠性.本文提出了一种针对smFRET数据的自动分析算法.该算法主要包括三个部分:基于计算供体与受体荧光光强的相关系数来确定受体与供体对应荧光点的自动匹配算法、甄别错误点的筛选算法以及基于隐马尔可夫模型的全局拟合算法.经改进后的算法大大简化了传统算法中需要人工干预的步骤,而且自动筛除了实验数据中主要的几类噪音.将改进的算法应用于人类端粒重复序列G-四联体(G4)DNA折叠动力学的数据分析,结果显示优化算法比传统算法能够更快地得到更高信噪比的数据,而且该数据结果清晰地表明G4的折叠体现出多态性并受到钾离子浓度的影响.     

低信噪比条件下多节点声呐目标跟踪算法*

低信噪比条件下,单个主动或单个被动声呐节点难以实现目标跟踪。多节点声呐系统希望通过增加探测节点提高系统探测能力,但其性能提高与否取决于选择合适的数据融合算法。本文利用双节点声呐试验数据研究低信噪比条件下的目标跟踪方法,采用“结合置信度水平的表决融合”算法对多个探测节点得到的数据进行融合,既考虑了目标回波信号的信噪比特性,又考虑了目标运动的连续性特征,还考虑了各节点探测结果的决策优化,最终实现较高精度的目标跟踪。算法实现了数据级、特征级和决策级的统一、融合,通过对判决依据进行量化、分层,简化判决的复杂性。试验数据处理结果表明,该方法能较好地解决低信噪比条件下多节点声呐目标跟踪问题,目标跟踪精度较高。     

基于Gadgetron平台的多GPU分布式磁共振图像重建

为了满足磁共振成像（MRI）临床扫描的需求,磁共振图像重建算法的开发一直在不断进行.目前广泛使用的算法实现方式是利用中央处理器（CPU）对磁共振扫描数据进行数学变换得到图像,随着算法复杂度的提升,计算性能问题逐渐显露.利用CPU在大数据量下执行复杂算法时,计算并行性的缺失以及运算中产生的海量数据的存储负荷会导致计算变得极为缓慢,使得一些算法因为重建时间过长,在临床上面临难以推广的问题,也制约了基础研究中新算法的研发.本文设计并实现了一种新的重建算法执行方式,利用Gadgetron磁共振软件重建平台在多核CPU基础上搭载多块图形处理器（GPU）,将磁共振图像重建以分布式并行计算方式实现,并以重建耗时较长的3D径向数据采集Stack of Star（SOS）的图像重建为实例,展示这种重建的实现方法能以相对低廉的硬件成本极大提升重建的速度.     

云计算环境下动态数据聚集算法研究

云计算技术的普及带动了数据的增长,为了对云环境下动态数据进行管理,防止数据损坏甚至丢失,方便后续利用,需要对云计算环境下动态数据进行聚集。但目前大多数算法都是基于线性时间概率计数的数据聚集算法,通过数据聚集操作在中间节点预先对数据进行处理,去除数据冗余,减少数据传输,实现节能,对于云计算环境下数据聚集操作存在的重复计数问题,通过研究对副本不敏感的概要结构并优化某些特性,从而完成数据聚集,但这种方法存在占用的存储空间较大,且不能保证动态数据聚集的准确性的问题。为此,提出一种基于粒子群优化算法的云计算环境下动态数据聚集算法,该算法通过对云计算环境下动态数据聚集算法数学模型进行分析,在此基础上,提出基于粒子群优化算法的云计算环境下动态数据聚集算法。首先对云计算环境中的动态数据结构模型进行分析,完成对云计算环境下动态数据的离散样本频谱特征的计算,实现云计算环境下动态数据聚集样本的特征提取和信息模型构建。针对粒子群算法收敛速度慢的问题,本文通过混沌映射方法对其进行优化,通过生成混沌序列,解决粒子群算法存在的问题,利用粒子群优化算法进行特征聚集,从而完成云计算环境下动态数据聚集算法。实验结果表明,本文所提算法能够有效提高动态数据聚集的可靠性和稳定性,降低聚集时间,减少所占内存空间,具有较强的实践性,为该领域的发展创造了条件。     

基于改进CAPSO的原油管道调合多性质优化方法

在仔细研究原油管道调合工艺基础上,提出一种基于改进有约束自适应粒子群优化(CAPSO)算法的原油管道调合多性质优化方法。首先,基于原油调合规则库、优化预处理及设备实际工作能力约束,建立了多原油多性质优化模型;然后,根据原油调合目标,通过CAPSO算法对优化模型进行快速、准确的优化计算,获得多种组分原油的最优配比。投运效果表明,系统能够自动、高效计算出原油调合的最优配比,避免人工计算所造成的一致性差,计算效率低并且不易获得最佳配比的问题,有效提高了加工设备的生产效率。     

高温叶片流热固耦合分析及多目标多学科设计优化

采用共轭换热分析方法,实现了C3X型高温叶片的流热固耦合分析,计算结果与实验数据的比较验证了数值方法的可靠性。结合自适应多目标差分进化算法、多目标概念的约束处理方法和三维叶栅自动参数化造型方法,自主开发了适用于高温叶片的自动多目标多学科优化设计平台。以C3X型叶片为参考叶片,选择总压恢复系数最大和叶片最高温度最低为目标进行优化设计。优化后获得了21个Pareto解。详细气热分析表明优化设计得到的叶片性能明显优于参考叶片,验证了所建立的高温叶片多学科设计平台的有效性。     

基于光谱和改进极限学习机的土壤含盐量分析

研究盐碱地的性质、组成,对于生态环境具有重要意义。传统的含盐量测定方法大多基于化学分析,因其成本高、效率低的缺点使得应用于大面积土地的可行性很低。极限学习机（ELM）作为一种基于前馈神经网络构建的机器学习系统,在许多研究中作为一种光谱处理方法被成功运用。为了改进传统的盐碱地含盐量检测方法,采用光谱学结合改进的极限学习机（ELM）模型的方法对盐碱地进行研究。根据镇赉县采集得到的62个土壤表层样本得到对应的光谱反射率和含盐量数据,提出了基于随机值改进粒子群优化算法（RVIPSO-MELM）优化的多层极限学习机模型。首先使用主成分分析提取光谱数据特征,并使用ELM算法对光谱数据建立分类模型,引入改进的粒子群优化算法以提高精度和速度。该模型结合了具有随机值的多层ELM（RV-MELM）和改进PSO算法的多层ELM（IPSO-MELM）二者的优点,在运用启发式算法搜索最优值的同时还具有随机性,提高了模型优化速度,同时以提高模型性能为目的对隐含层之间参数进行优化和选择。并且该模型可以推广到多层,对隐含层之间的参数的两种选择方法,根据经验公式计算和使用改进的启发式算法搜索,进行了提高模型性能和优化时间的讨论,实践结果表明,选择第一层参数使用改进粒子群优化算法,确定随后的隐含层之间参数选择,使用经验公式进行计算得到一种更具现实意义的方法模型。模型在进行启发式搜索最优值之前,利用蒙特卡罗方法确定一个较好的初值,使得模型能保持较高准确率的条件下,优化速度进一步提高。相比于传统方法,这种光谱分析结合ELM的模型节省时间和经济成本,有一定推广意义。     

二维泊松方程的遗传PSOR改进算法

针对二维泊松方程在实际应用过程中几种常用方法存在计算量大、易发散、局部收敛等不足,提出了一种改进算法.该算法基于并行超松弛迭代法,采用遗传算法对松弛因子进行全局寻优,解决了超松弛迭代法求解泊松方程时最佳松弛因子难以确定的问题.构建了多目标适应度函数,优化了遗传算子参数,分析了算法的计算量、计算时间与误差精度,与传统方法进行了对比研究.结果表明:松弛因子对泊松方程求解的速度与精度影响显著;改进算法能减少迭代次数,节省计算时间,加快方程的求解;算法适合于求解计算量较大、精度要求较高的时域有限差分方程,而且精度要求越高,算法的性能越好,节省的时间也越多.     

基于蜂群算法的多目标加权优化负荷频率控制研究

为进一步提高两区域互联再热火力发电系统中工作频率和联络线功率的稳定性,提出了一种加权和多目标对负荷频率控制（LFC）的优化方法;采用人工蜂群算法（ABC）和加权和方法实现LFC的多目标优化,而后将其转化为复合目标函数;根据负荷需求变化和系统参数变化情况,利用加权和方法对复合目标函数做归一化处理,使得两区域PID控制器增益达到同步调谐,获得了频率响应的调节时间和超调量达到最佳折中条件。仿真结果表明,该方法简单有效,在不同的运行条件和系统参数变化情况下具有良好的鲁棒性。     

混沌量子克隆算法求解认知无线网络频谱分配问题

对认知无线网络中的频谱进行有效分配是实现动态频谱接入的关键技术.考虑3次用户对频谱的需求和分配的公平性,给出了频谱分配的数学模型,并将其转换为以最大化网络收益为目标的带约束优化问题,进而提出一种采用混沌量子克隆优化求解的认知无线网络频谱分配算法, 并证明了该算法以概率1收敛.最后,通过仿真实验比较了本文算法与颜色敏感图着色算法、基于遗传算法的频谱分配、基于量子遗传算法的频谱分配的性能.结果表明:本文算法性能较优, 能更好地实现网络收益最大化. 关键词： 混沌量子克隆算法 认知无线网络 频谱分配     

基因算法在光阴极注入器优化设计中的应用

基于正在建设的大连自由电子激光装置,研究了基因算法在注入器优化设计中的系统应用。与传统的注入器优化方法相比较,基因算法在多变量、多目标注入器优化问题中具有优化效率高、优化结果精确的优势;通过采用权重因子的方法将多目标问题转化为单目标优化问题,大大简化了基因算法优化流程;光阴极注入器对束流稳定性要求严格,通过基因算法优化使束流的到达时间抖动控制到150fs,满足束流稳定性的要求。     

基于多物理场耦合分析的压接型IGBT散热器多目标优化

为研究处于电磁场、温度场和应力场相互耦合的多物理场环境下的压接型IGBT水冷散热器热阻、流阻及表面压力分布特性,结合ANSYS软件,提出一种在电磁–热–应力多物理场耦合环境下水冷散热器多目标优化方法。在满足表面压力的前提下,以水冷散热器热阻、流阻最小化为优化目标。采用Kriging方法构建响应面模型,利用AMGA优化算法对水冷散热器内部流道结构进行多目标优化设计,计算出了最优方案。搭建试验平台对仿真分析结果进行试验验证,证明文中对压接型IGBT水冷散热器的多物理场耦合分析方法可以指导多物理场下的水冷散热器的设计。